基于偏好融合的群组推荐研究

• 作者: 孙丽萍 朱德义 汪祥舜 章玥 郑孝遥
• 来源期刊: 南京信息工程大学学报
• 学科: 工学
• 关键词: 群组推荐 推荐系统 偏好融合 协同过滤 数据挖掘 偏好预测
• 年，卷（期）: 2019,（5）
• 页码范围: 601-608
• 页数: 8页
• 分类号: TP311
• 字数: 6470字
• 语种: 中文
• DOI: 10.13878/j.cnki.jnuist.2019.05.013

摘要

传统的推荐系统主要针对单个用户,但随着社会和电子商务的快速发展,人们越来越多地以多个用户的形式一起参与活动,而群组推荐旨在为多个用户组成的群组提供服务,已成为当前研究的热点之一.针对目前群组推荐准确率低,群组成员之间偏好冲突难以融合的问题,本文提出了一种新的共识模型策略,融合了群组领袖影响因子和项目热度影响因子,基于K近邻为目标群组寻找邻居群组,借鉴邻居群组的偏好,设计了基于偏好融合的群组推荐算法.在MovieLens数据集上的实验结果表明,本文所提的融合策略较传统的偏好融合策略有着更优越的表现,推荐准确率(nDCG)的总体平均性能约提高13％,推荐列表多样性指标的总体平均性能约提高10％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	章玥	华东师范大学上海市高可信计算重点实验室	8	54	2.0	7.0